Simulink を使用した深層学習
Simulink を使用した深層学習のワークフローの拡張
Deep Learning Toolbox™ に含まれている Deep Neural Networks ブロック ライブラリのブロックを使用するか、Computer Vision Toolbox™ に含まれている Analysis & Enhancement ブロック ライブラリの Deep Learning Object Detector ブロックを使用して、Simulink® モデルの深層学習機能を実装します。
Simulink の深層学習機能は、サポートされているコンパイラを必要とする MATLAB Function ブロックを使用します。ほとんどのプラットフォームでは、既定の C コンパイラが MATLAB® インストールで提供されます。C++ 言語を使用する場合は、互換性のある C++ コンパイラをインストールしなければなりません。サポートされているコンパイラのリストを確認するには、Supported and Compatible Compilers を開き、オペレーティング システムに対応するタブをクリックして、Simulink Product Family テーブルを見つけ、For Model Referencing, Accelerator mode, Rapid Accelerator mode, and MATLAB Function blocks 列に移動します。システムに複数の MATLAB 対応コンパイラがインストールされている場合は、mex -setup
コマンドを使用して既定のコンパイラを変更できます。既定のコンパイラの変更を参照してください。
ブロック
Image Classifier | 学習済み深層学習ニューラル ネットワークを使用したデータの分類 (R2020b 以降) |
Predict | 学習済み深層学習ニューラル ネットワークを使用した応答の予測 (R2020b 以降) |
Stateful Classify | 学習済み深層学習再帰型ニューラル ネットワークを使用したデータの分類 (R2021a 以降) |
Stateful Predict | 学習済み再帰型ニューラル ネットワークを使用した応答の予測 (R2021a 以降) |
Deep Learning Object Detector | 学習済み深層学習オブジェクト検出器を使用したオブジェクトの検出 (R2021b 以降) |
トピック
イメージ
- GoogLeNet を使用した Simulink でのイメージの分類
この例では、Image Classifier
ブロックを使用して、Simulink® でイメージを分類する方法を説明します。 - Acceleration for Simulink Deep Learning Models
Improve simulation speed with accelerator and rapid accelerator modes. - 深層学習を使用した Simulink での車線検出と車両検出
この例では、Simulink® モデル内で深層畳み込みニューラル ネットワークを使用して、車線検出と車両検出を実行する方法を示します。 - 深層学習を使用した Simulink での ECG 信号の分類
この例では、Simulink (R) モデル内でウェーブレット変換と深層学習ネットワークを使用して ECG 信号を分類する方法を示します。 - Classify Images in Simulink with Imported TensorFlow Network
Import a pretrained TensorFlow™ network usingimportTensorFlowNetwork
, and then use the Predict block for image classification in Simulink.
シーケンス
- Simulink でのネットワークの状態の予測と更新
この例では、Stateful Predict
ブロックを使用して、学習済みの再帰型ニューラル ネットワークの応答を Simulink® で予測する方法を説明します。 - Simulink でのネットワークの状態の分類と更新
この例では、Stateful Classify
ブロックを使用して、Simulink® で学習済みの再帰型ニューラル ネットワークのデータを分類する方法を説明します。 - Speech Command Recognition in Simulink
Detect the presence of speech commands in audio using a Simulink model. - Time Series Prediction in Simulink Using Deep Learning Network
This example shows how to use an LSTM deep learning network inside a Simulink® model to predict the remaining useful life (RUL) of an engine. You include the network inside the Simulink model by using aStateful Predict
block, which predicts the RUL at every simulation step. - Battery State of Charge Workflow
An example workflow for training, compressing, and using a deep learning network in Simulink. - Physical System Modeling Using LSTM Network in Simulink
This example shows how to create a reduced order model (ROM) to replace a Simscape component in a Simulink® model by training a long short-term memory (LSTM) neural network. - Improve Performance of Deep Learning Simulations in Simulink
This example shows how to use code generation to improve the performance of deep learning simulations in Simulink®.
強化学習
- Simulink 環境の作成とエージェントの学習
Simulink で学習環境としてモデル化されたプラントを使用し、強化学習を使ってコントローラーに学習させる。 - アダプティブ クルーズ コントロール用の DDPG エージェントの学習
アダプティブ クルーズ コントロール アプリケーション用の強化学習エージェントに学習させる。 - 並列計算を使用した車線維持支援用 DQN エージェントの学習
車線維持支援アプリケーション用に、強化学習エージェントに学習させる。 - 経路追従制御用の DDPG エージェントの学習
レーン追従制御アプリケーション用に、強化学習エージェントの学習を実行します。
コード生成
- Simulink アプリケーションからの深層学習コードの生成
デスクトップまたは組み込みターゲットに展開するための C/C++ コードおよび GPU コードの生成 - Export Network to FMU
This example shows how to export a trained network as a Functional Mock-up Unit (FMU). (R2023b 以降)